<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by gengar.rain on Medium]]></title>
        <description><![CDATA[Stories by gengar.rain on Medium]]></description>
        <link>https://medium.com/@gengarrain-byte?source=rss-5fdce2e71dec------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*OyfaSakgSyyh_GMh-QGTHQ.jpeg</url>
            <title>Stories by gengar.rain on Medium</title>
            <link>https://medium.com/@gengarrain-byte?source=rss-5fdce2e71dec------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 16:18:16 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@gengarrain-byte/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[온톨로지 데이터 경량화에서 줄이는 것과 남기는 것]]></title>
            <link>https://gengarrain-byte.medium.com/%EC%98%A8%ED%86%A8%EB%A1%9C%EC%A7%80-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EA%B2%BD%EB%9F%89%ED%99%94%EC%97%90%EC%84%9C-%EC%A4%84%EC%9D%B4%EB%8A%94-%EA%B2%83%EA%B3%BC-%EB%82%A8%EA%B8%B0%EB%8A%94-%EA%B2%83-7af38ac8a50d?source=rss-5fdce2e71dec------2</link>
            <guid isPermaLink="false">https://medium.com/p/7af38ac8a50d</guid>
            <category><![CDATA[온톨로지]]></category>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[lightweight]]></category>
            <dc:creator><![CDATA[gengar.rain]]></dc:creator>
            <pubDate>Thu, 15 Oct 2026 02:45:36 GMT</pubDate>
            <atom:updated>2026-10-15T02:47:58.369Z</atom:updated>
            <content:encoded><![CDATA[<p>스터디에서 읽을 글과 들을 강의를 모아 두었다고 해 보겠습니다. 자료가 쌓여도 주제로 검색하고, 작성자를 찾고, 원래 어디서 가져왔는지 확인할 수 있어야 합니다. 저장량을 줄였다가 이 중 하나가 안 된다면 필요한 정보까지 지운 셈입니다.</p><p>그래서 경량화를 시작할 때 먼저 정할 것은 <strong>줄인 뒤에도 답할 수 있어야 하는 질문</strong>입니다. <br>여기서는 글과 강의 20건을 그래프로 옮긴 작은 실습으로, 원천과 의미를 남기면서 저장할 데이터를 줄이는 과정을 살펴보겠습니다.</p><h3>데이터의 규모와 의미는 서로 다른 문제다</h3><p>빅데이터를 다룰 때는 저장량, 처리 시간, 메모리 같은 비용을 고민합니다. <br>온톨로지는 ‘글도 학습 자료에 포함된다’처럼 데이터의 종류와 관계가 무엇을 뜻하는지 정의합니다. <br>두 관점은 함께 사용할 수 있습니다. 다만 데이터를 적게 남기는 것과 그 데이터로 같은 답을 얻는 것은 따로 확인해야 합니다.</p><p>이 실습의 목표는 <strong>정해 둔 검색 결과를 유지하면서 저장할 추론 결과를 줄이는 것</strong>입니다. 모델을 학습시키거나 정확도가 가장 높은 최소 학습 데이터 수를 찾는 실험은 아닙니다. 대규모 처리에 앞서 무엇을 남겨야 하는지 확인하는 예제입니다.</p><h3>자료 하나에 원래 사실과 계산할 수 있는 결론이 있다</h3><p>‘자료 0의 작성자는 사람 0이다’를 (자료 0, 작성자, 사람 0)으로 적을 수 있습니다. 대상·관계·값이라는 세 자리를 묶은 것이 트리플입니다. <br>종류, 제목, 주제, 출처도 각각 적으므로 자료 한 건이 여러 트리플로 표현됩니다. <br>이런 관계가 이어진 구조가 지식 그래프입니다.</p><p>여기에 공통 분류를 정의합니다.<br> ‘자료 0은 글이다’는 개별 사실인 ABox에, ‘모든 글은 텍스트 자료에 포함된다’는 일반 정의인 TBox에 해당합니다. <br>둘을 함께 적용하면 직접 입력하지 않은 결론을 얻습니다.</p><pre>입력한 사실   자료 0은 글이다<br>분류 정의     모든 글은 텍스트 자료이고, 모든 텍스트 자료는 학습 자료다<br>얻는 결론     자료 0은 텍스트 자료이며 학습 자료다</pre><p>실습에서는 RDF의 기본 분류·관계를 정의하는 RDFS와 그 추론 규칙을 사용합니다. <br>owlrl 라이브러리가 규칙에 따라 결론을 계산하며 LLM은 사용하지 않습니다. 반면 작성자나 원천 위치는 이 분류 규칙으로 알아낼 수 없으므로 원래 사실을 보존해야 합니다.</p><h3>모든 결론을 저장하는 대신 필요한 결론을 남긴다</h3><p>계산한 결론을 미리 저장하는 것을 <strong>구체화 또는 materialization</strong>이라고 부릅니다. 매번 계산하는 일을 줄이는 대신 저장할 내용은 늘어납니다. 실습에서도 자료 수는 그대로인데 트리플 수는 다음처럼 달라졌습니다.</p><ul><li><strong>163개:</strong> 자료 20건에서 옮긴 사실과 온톨로지 정의.</li><li><strong>397개:</strong> 위 그래프에 전체 RDFS 추론 결과까지 추가한 상태.</li><li><strong>193개:</strong> 원래 163개에 학습 자료 타입 20개와 텍스트 자료 타입 10개만 추가한 상태.</li></ul><p>우리가 줄인 것은 <strong>397 → 193</strong>, 즉 전체 결론을 저장할 때의 부담입니다. 자료 20건과 제목·작성자·주제·출처, 분류 정의는 유지했습니다. <br>두 상위 타입을 남긴 이유는 ‘전체 학습 자료’와 ‘전체 텍스트 자료’를 찾는 질의에서 사용하기 때문입니다.</p><p>그 상태로 주제별 자료, 전체 학습 자료, 작성자 누락 자료, 원천 행, 전체 텍스트 자료를 조회했습니다.</p><ol><li>주제 0을 다루는 자료는 무엇인가?</li><li>글과 강의를 합친 모든 학습 자료는 무엇인가?</li><li>학습 자료 중 작성자를 적지 않은 자료는 무엇인가?</li><li>각 자료는 원천 CSV의 어느 행에서 왔는가?</li><li>텍스트 자료에 속하는 글은 무엇인가?</li></ol><p>다섯 질의 모두 전체 추론 그래프와 <strong>실제 결과 집합이 같았습니다.</strong> 결과 개수만 같으면 다른 자료로 바뀐 경우를 놓칠 수 있어 식별자와 원천 위치까지 비교했습니다. 작성자를 비워 둔 자료도 동일하게 검출했습니다.</p><p>다만 현재 코드는 전체 추론을 먼저 계산한 뒤 필요한 결론을 고릅니다. 줄어든 것은 저장할 트리플 수이며 준비 단계의 추론 비용이나 최대 메모리까지 줄였다는 결과는 아닙니다. 새 질의가 다른 결론을 사용한다면 저장 대상을 늘리거나 조회 전에 다시 추론해야 합니다.</p><h3>경로를 짧게 만드는 것과 저장량을 줄이는 것은 다르다</h3><p>앞의 분류 정의를 따라가면 자료 0이 학습 자료라는 사실을 알 수 있습니다. 이 결론을 직접 저장하면 조회할 때 분류 경로를 매번 따라 계산하는 일을 줄일 수 있습니다. 대신 연결 하나를 더 저장합니다. <br><strong>경로를 덜 탐색하려고 저장량을 늘리는 선택도 있는 것</strong>입니다.</p><p>따라서 중간 분류를 지워서 경로만 짧게 만들면 곤란합니다. ‘텍스트 자료’를 없애면 전체 학습 자료는 찾더라도 텍스트 자료를 따로 찾는 기능이 사라질 수 있습니다. 이번 실습은 정의를 유지하고 미리 저장할 결론만 골랐습니다. 최단 경로 알고리즘의 성능을 측정한 것은 아닙니다.</p><p>해시로 반복 패턴을 찾아 공유하는 방법과 벡터로 유사한 후보를 찾는 방법도 별도로 설계할 수 있습니다. <br>하지만 해시가 같다는 판단을 의미상 같은 사실이라는 판단으로 바로 바꿀 수는 없고, 벡터가 가깝다고 질의의 조건을 만족하는 정답이 되는 것도 아닙니다. 이번 예제에는 두 방법을 넣지 않았습니다.</p><h3>사용할 자료의 범위를 줄였다면 비교 범위도 맞춘다</h3><p>주제 0만 보여 주는 화면에는 관련 자료 4건과 연결된 작성자·주제·출처를 따로 가져올 수 있습니다. 원천 전체는 두고 작은 그래프를 만드는 방식입니다. 이때 명시적 트리플은 163개에서 48개가 됐습니다.</p><p>이 그래프는 <strong>선택한 4건에 대한 답</strong>을 유지합니다. 전체 20건의 답을 더 작게 담았다고 해석하면 안 됩니다. 파일을 gzip으로 압축하는 경우도 비교 대상이 다릅니다. gzip은 같은 파일을 작게 보관했다가 복원하는 방법이며, 어떤 사실이나 결론을 저장할지 바꾸지 않습니다.</p><p>실습에서 쓴 순서는 간단합니다. 필요한 질문을 정하고, 그 답에 필요한 원천 사실과 정의를 남깁니다. 그다음 저장할 결론이나 사용할 자료 범위를 고르고, 같은 범위에서 답과 비용을 비교합니다.</p><p><strong>이 예제의 성과는 자료를 덜 남긴 것이 아니라, 같은 20건에 대한 다섯 질문의 답을 유지하면서 저장할 파생 사실을 줄였다는 데 있습니다.</strong></p><h3>직접 확인하거나 더 읽고 싶다면</h3><p>실행 방법과 파일 읽는 법은 <a href="https://github.com/gengarrain-byte/ontology-lightening-lab">실습 저장소 README</a>에 있습니다.<br>20건으로 실행한 뒤 05-lightening.html의 ‘선택적 타입 구체화’에서 397과 193을, 06-verification.html의 selective_types 행에서 다섯 질의가 같은지 보면 됩니다.</p><p>아래 여섯 편은 필요한 부분만 찾아보는 상세 설명입니다. <br>개념이나 코드가 궁금한 부분으로 이동하면 됩니다.</p><ul><li>개념이 궁금하면 <a href="https://medium.com/p/497e0088da64">1편 트리플과 온톨로지</a>, <a href="https://medium.com/p/864c47c51afb">2편 저장할 결론 선택</a>.</li><li>보존 기준이 궁금하면 <a href="https://medium.com/p/6bb29a46886a">3편 같은 답의 기준</a>, <a href="https://medium.com/p/1007ee5729d3">6편 결과 비교와 손실 검사</a>.</li><li>직접 실행하려면 <a href="https://medium.com/p/edc0073b6ff6">4편 CSV를 그래프로 변환</a>, <a href="https://medium.com/p/892a4539be5d">5편 필요한 추론 결과만 저장</a>.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7af38ac8a50d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[온톨로지 경량화 6편 줄인 뒤에도 같은 답이 나오는지 확인하기]]></title>
            <link>https://gengarrain-byte.medium.com/%EC%98%A8%ED%86%A8%EB%A1%9C%EC%A7%80-%EA%B2%BD%EB%9F%89%ED%99%94-6%ED%8E%B8-%EC%A4%84%EC%9D%B8-%EB%92%A4%EC%97%90%EB%8F%84-%EA%B0%99%EC%9D%80-%EB%8B%B5%EC%9D%B4-%EB%82%98%EC%98%A4%EB%8A%94%EC%A7%80-%ED%99%95%EC%9D%B8%ED%95%98%EA%B8%B0-1007ee5729d3?source=rss-5fdce2e71dec------2</link>
            <guid isPermaLink="false">https://medium.com/p/1007ee5729d3</guid>
            <category><![CDATA[lightweight]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[온톨로지]]></category>
            <dc:creator><![CDATA[gengar.rain]]></dc:creator>
            <pubDate>Thu, 15 Oct 2026 02:44:26 GMT</pubDate>
            <atom:updated>2026-10-15T02:44:26.443Z</atom:updated>
            <content:encoded><![CDATA[<p>원천 사실과 정의는 남겨 두고, 저장할 추론 결과를 줄였습니다. 화면도 열리고 검색 결과도 나왔습니다. 이것만으로 이전 기능이 유지됐다고 판단할 수 있을까요? <br>원천 연결이 사라져도 주제 검색은 될 수 있고, 분류 정의가 끊겨도 자료의 제목은 그대로 보일 수 있습니다.</p><p>그래서 마지막 실습에서는 3편에서 정한 다섯 질문을 모두 실행합니다. <br>결과 개수뿐 아니라 실제로 반환한 자료와 원천 위치를 비교하겠습니다. 검사 코드가 손실을 찾는지 확인하려고 원천 연결과 분류 정의를 일부러 제거한 그래프도 함께 사용합니다.</p><p>04-conversion.html에서 무엇을 만들었는지 확인하고, 05-lightening.html에서 무엇을 줄였는지 봤다면, 이번에는 06-verification.html에서 어떤 기능이 남았는지 볼 차례입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*WZH4cQlObLbMys_fqKTZvg.jpeg" /><figcaption>다섯 질문과 작성자 누락 검사를 경량화 전후 비교한 실제 실행 결과</figcaption></figure><h3>다섯 질문의 기준 답을 만든다</h3><p>기준은 전체 원천을 변환하고 RDFS 추론을 적용한 그래프입니다. 질문은 주제 0의 자료, 전체 학습 자료, 작성자 누락 자료, 각 자료의 원천 행, 전체 텍스트 자료입니다.</p><p>20건의 기준 답은 순서대로 4건, 20건, 1건, 20건의 원천 위치, 10건입니다. 캡처의 1,000건 기준에서는 167건, 1,000건, 11건, 1,000건의 원천 위치, 500건입니다. 질문을 적은 SPARQL 파일은 Q1부터 Q5까지 저장소에 있습니다. SPARQL은 RDF 그래프에서 조건에 맞는 대상을 찾는 질의 언어입니다.</p><p>이번 질문은 중복 결과와 반환 순서를 요구하지 않습니다. 따라서 결과를 집합으로 바꿔 비교합니다.</p><pre>def result_set(g, prepared):<br>    return {<br>        tuple(term.n3() if term is not None else None for term in row)<br>        for row in g.query(prepared)<br>    }<br>missing = reference - candidate<br>extra = candidate - reference<br>same = reference == candidate</pre><p>n3()는 RDF의 식별자나 값을 비교할 수 있는 문자열로 표현합니다. 각 결과 행을 튜플로 묶고, 그 행들을 집합으로 모읍니다. reference는 기준 답, candidate는 비교할 답입니다. missing에는 빠진 결과가, extra에는 새로 들어온 결과가 남습니다. 자료 검색은 자료 식별자를 비교하고, 원천 조회는 자료 식별자·원천 기록·행 번호를 함께 비교합니다. 자료 하나가 빠지고 다른 자료가 들어와도 개수는 같을 수 있기 때문입니다.</p><h3>필요한 타입만 저장해도 전체 자료의 답이 같은지 본다</h3><p>필요한 두 상위 타입만 저장한 그래프를 전체 RDFS 그래프와 비교했습니다. 자료 범위는 모두 동일합니다. 20건에서는 397개 대신 193개를 저장했고, 1,000건에서는 12,641개 대신 7,534개를 저장했습니다. 다섯 질문의 결과 집합은 모두 같았습니다.</p><p>원천 사실과 정의는 모두 남아 있으므로 생략한 결론을 다시 계산할 근거도 유지합니다. 이번 검사는 새 질문마다 자동으로 재계산하는 구현을 검증한 것이 아니라, 미리 저장한 두 타입으로 등록한 다섯 질문에 답하는 구현을 확인한 것입니다.</p><p>여기에서 확인한 기능은 정해 둔 다섯 질문입니다. 새로운 질문이 더 많은 추론 결과를 사용한다면 선택적 타입 저장의 결과도 다시 확인해야 합니다. 그래프의 모든 가능한 질문이 같다는 보장과 이번 기능 검사는 범위가 다릅니다.</p><h3>주제 0의 그래프는 같은 범위에서 비교한다</h3><p>주제 0의 자료만 남긴 그래프에서 ‘전체 학습 자료’를 찾으면 1,000건 대신 167건이 나옵니다. 전역 답과 같지 않은 것은 예상한 결과입니다.</p><p>주제 0 화면의 기능을 확인하려면 기준 답도 선택한 자료에 한정해야 합니다. 이번 다섯 질의는 첫 열이 자료 식별자이므로 그 식별자가 선택한 자료에 속하는 행만 비교합니다.</p><pre>selected_n3 = {r.n3() for r in selected}<br>scoped_reference = {<br>    row for row in baseline[q]<br>    if row[0] in selected_n3<br>}<br>assert scoped_reference == answers[&#39;topic_0_rdfs&#39;][q]</pre><p>이 범위에서는 다섯 질문의 결과가 모두 같았습니다. 전체 자료의 답을 유지했다는 결과와 주제 0의 답을 유지했다는 결과를 따로 기록해야 합니다. 여러 자료를 함께 집계하는 질의라면 첫 열을 거르는 것만으로 범위를 맞출 수 없을 수 있습니다.</p><h3>손실을 넣었을 때 검사도 실패하는지 본다</h3><p>첫 손실 실험은 자료에서 원천 기록으로 가는 sourceRecord 연결을 제거하는 것입니다. 주제 0 검색은 계속 167건이지만 원천 행을 찾는 답 1,000건은 모두 사라졌습니다. 자료를 찾는 것과 그 자료의 출처를 확인하는 것은 다른 기능임을 보여 줍니다.</p><p>두 번째는 ‘Article은 TextResource의 하위 클래스다’라는 정의를 제거하는 것입니다. 변경 전의 추론 결과를 재사용하지 않고, 변경한 명시적 그래프에서 RDFS 결과를 다시 만들었습니다. 그 결과 텍스트 자료 조회에서 글 500건이 빠졌습니다.</p><p>이렇게 손실을 찾았다면 검사에 필요한 질문이 들어 있다는 것을 확인할 수 있습니다. 검색 결과가 하나라도 나오는지만 확인했다면 두 변경을 모두 놓칠 수 있었을 것입니다.</p><h3>작성자 누락도 같은 자료에서 발견되는지 본다</h3><p>SHACL은 그래프가 정한 데이터 조건을 만족하는지 검사하는 언어입니다. 실습의 shapes.ttl에는 학습 자료에 제목과 작성자, 원천 연결이 하나 이상 있어야 한다고 적었습니다. 작성자 조건은 다음과 같습니다.</p><pre>ex:ResourceShape a sh:NodeShape ;<br>    sh:targetClass ex:LearningResource ;<br>    sh:property [<br>        sh:path ex:authoredBy ;<br>        sh:minCount 1<br>    ] .</pre><p>위 코드는 shapes.ttl의 발췌입니다. targetClass는 검사할 종류를, path는 검사할 관계를, minCount 1은 값이 하나 이상 있어야 한다는 조건을 나타냅니다. Article 자료까지 검사 대상으로 잡히도록 검사 전에 RDFS로 상위 타입을 준비했습니다.</p><p>1,000건의 원천에는 작성자 누락이 11건 있습니다. 전체 그래프와 압축 복원 그래프, 선택적 타입 그래프에서 같은 자료의 누락을 찾았습니다. conforms는 검사 조건을 모두 만족했는지 나타내는 값입니다. 이번에 false, 즉 만족하지 않는다는 결과가 나온 것은 이 의도한 누락 때문입니다.</p><p>주제 0 그래프에서는 위반이 1건입니다. 나머지 10건을 고친 것이 아니라 검사 범위에서 제외했습니다. pySHACL 안에서는 추가 추론을 하지 않았고, 같은 shapes를 적용해 위반 대상과 관계, 제약 종류를 비교했습니다. <a href="https://www.w3.org/TR/shacl/#validation-report">SHACL 검증 보고서</a></p><h3>저장량과 조회 시간은 따로 읽는다</h3><p>선택적 타입 저장은 전체 RDFS 결과보다 트리플이 약 40.4% 적었습니다. 그런데 1,000건 실행에서 전체 학습 자료 조회의 중앙값은 약 9.60ms와 9.52ms로 비슷했습니다. 저장할 사실이 줄어도 같은 조회의 속도가 그 비율만큼 달라지는 것은 아닙니다.</p><p>이 시간은 이미 준비한 메모리 그래프에서 질의를 세 번 반복하고 결과를 끝까지 읽은 값입니다. 파일 읽기와 적재, 질의 준비, 추론 시간은 포함하지 않았습니다. 다음 규모로 넘어갈 때는 이 준비 비용과 메모리도 별도로 측정해야 합니다.</p><p>이 실습의 데이터 경량화 결과는 <strong>원천과 정의를 유지하면서 전체 추론 결과보다 적은 트리플을 저장하고, 등록한 다섯 질문의 답과 누락 검사를 유지했다</strong>는 것입니다. 주제 선택은 전체 데이터를 압축한 결과가 아니라 조회 범위를 제한한 별도 결과입니다. 원천 연결과 분류 정의를 제거한 실험은 필요한 정보가 빠졌을 때 검사에서 찾는지 확인하는 손실 사례입니다.</p><p>파일 보관용 gzip 실험에서는 압축을 풀어 원래 바이트와 그래프를 복원하는지 별도로 확인했습니다. 이 결과는 데이터에서 어떤 파생 사실을 생략해도 되는지를 입증하는 근거로 사용하지 않습니다.</p><p>온톨로지 경량화가 어렵게 느껴지는 이유 중 하나는 작아진 숫자만으로 사용할 수 있는 결과인지 판단할 수 없다는 데 있습니다. <strong>어떤 정의로 어떤 자료를 해석하고, 어느 질문에 계속 답해야 하는지</strong>를 적어 두면, 줄일 대상과 검증할 대상이 함께 정해집니다.</p><p>전체 코드와 합성 데이터, 예상 결과, 캡처는 <a href="https://github.com/gengarrain-byte/ontology-lightening-lab">실습 저장소</a>에 있습니다. 처음에는 20건으로 한 자료의 변환과 질문을 읽어 보고, 이후 1,000건과 5,000건으로 같은 비교를 실행하면 됩니다.</p><p>전체 흐름은 <a href="https://medium.com/p/7af38ac8a50d">온톨로지 데이터 경량화 종합 정리</a>에서 한 번에 읽을 수 있습니다. 이 글은 필요한 개념이나 구현을 더 확인할 때 참고하세요.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1007ee5729d3" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[온톨로지 경량화 5편 필요한 추론 결과만 저장하기]]></title>
            <link>https://gengarrain-byte.medium.com/%EC%98%A8%ED%86%A8%EB%A1%9C%EC%A7%80-%EA%B2%BD%EB%9F%89%ED%99%94-5%ED%8E%B8-%ED%95%84%EC%9A%94%ED%95%9C-%EC%B6%94%EB%A1%A0-%EA%B2%B0%EA%B3%BC%EB%A7%8C-%EC%A0%80%EC%9E%A5%ED%95%98%EA%B8%B0-892a4539be5d?source=rss-5fdce2e71dec------2</link>
            <guid isPermaLink="false">https://medium.com/p/892a4539be5d</guid>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[lightweight]]></category>
            <category><![CDATA[온톨로지]]></category>
            <dc:creator><![CDATA[gengar.rain]]></dc:creator>
            <pubDate>Thu, 15 Oct 2026 02:42:59 GMT</pubDate>
            <atom:updated>2026-10-15T02:42:59.536Z</atom:updated>
            <content:encoded><![CDATA[<p>자료에 ‘글’이라고 적어 두면 분류 정의를 통해 ‘텍스트 자료’와 ‘학습 자료’라는 결론을 얻습니다. 이런 결론을 모두 저장하면 조회 때 다시 계산할 필요는 줄어들지만, 저장할 사실은 늘어납니다. <br>이번 실습에서는 원천 자료와 정의를 남기고 조회에 필요한 결론만 저장하겠습니다.</p><p>확인할 것은 두 가지입니다. 전체 추론 결과를 저장할 때보다 트리플이 얼마나 줄었는지, 그리고 자료·작성자·주제·출처를 찾는 다섯 질문에 같은 답을 얻는지입니다.</p><p>4편의 run_lab.py를 20건으로 실행하면 이 비교 결과가 만들어집니다. 아래 코드는 저장할 타입을 고르는 부분입니다. --records 1000으로 실행한 결과는 뒤의 캡처와 비교할 수 있습니다.</p><h3>조회에 필요한 상위 타입만 저장한다</h3><p>원천 사실과 분류 정의를 모두 유지합니다. 바꾸는 것은 미리 저장할 추론 결과입니다.</p><p>RDFS(RDF Schema)는 RDF에서 클래스와 관계의 기본 정의를 표현하는 표준 어휘입니다. RDFS 추론은 그 정의에 따라, 이미 적힌 사실에서 따라오는 결론을 계산하는 것입니다. 4편에서 자료 0의 Article 타입과 클래스 계층을 함께 적용한 과정이 한 예입니다.</p><pre>@prefix ex: &lt;https://example.org/learning/&gt; .<br>@prefix rdfs: &lt;http://www.w3.org/2000/01/rdf-schema#&gt; .<br># 입력한 사실과 정의<br>ex:resource_00000 a ex:Article .<br>ex:Article rdfs:subClassOf ex:TextResource .<br>ex:TextResource rdfs:subClassOf ex:LearningResource .<br># 추론으로 추가되는 사실<br>ex:resource_00000 a ex:TextResource .<br>ex:resource_00000 a ex:LearningResource .</pre><p>자료 0에 TextResource와 LearningResource를 직접 적지 않아도, 위 정의를 적용하면 두 타입에 속한다는 결론이 나옵니다. 실습에서는 owlrl 라이브러리가 이 결론을 새 트리플로 그래프에 추가합니다.</p><p>상위 타입만 늘어나는 것은 아닙니다. ontology.ttl에는 authoredBy 관계의 대상이 Person에 속한다는 rdfs:range 정의도 있습니다. 이 정의와 작성자 연결을 함께 적용하면 작성자의 Person 타입을 얻습니다. 전체 결과에는 이런 관계 정의와 다른 RDFS 규칙에서 얻은 트리플도 포함됩니다.</p><p>먼저 20건으로 비교하면 입력 사실과 정의는 163트리플이고, 전체 RDFS 결과는 397트리플입니다. 자료가 늘어난 것이 아니라 같은 자료와 정의에서 도출한 사실이 추가된 것입니다.</p><p>이번 질문 중 상위 타입을 직접 사용하는 것은 ‘전체 학습 자료’와 ‘전체 텍스트 자료’ 조회입니다. 그래서 명시적 그래프에 LearningResource와 TextResource 타입만 추가합니다.</p><pre>selective = graph_copy(g)<br>for cls in [EX.LearningResource, EX.TextResource]:<br>    for r in full.subjects(RDF.type, cls):<br>        selective.add((r, RDF.type, cls))</pre><p>full은 전체 RDFS 추론 결과이고 selective는 원천 사실과 정의를 복사한 그래프입니다. 코드에서 두 타입에 속하는 대상을 찾아 그 타입만 추가합니다. 제목과 작성자, 주제와 원천 연결은 그대로 남습니다.</p><p>20건에서는 학습 자료 타입 20개와 텍스트 자료 타입 10개를 더해 193트리플을 저장했습니다. 비교 기준은 원천 그래프 163개가 아니라 전체 추론 결과 397개입니다. 원천 자료 20건과 정의를 모두 유지하면서, 전체 결론을 저장할 때보다 204트리플 적게 저장한 것입니다.</p><p>1,000건에서는 원천과 정의 6,034개에 필요한 타입 1,500개를 더해 7,534개를 저장했습니다. 전체 추론 결과 12,641개보다 약 40.4% 적습니다. 다만 full을 먼저 계산했으므로 준비 단계의 추론 비용은 줄이지 않았습니다. <strong>전체 결론을 저장할지와 전체 결론을 계산할지는 별개의 선택</strong>입니다.</p><p>두 타입을 남기는 선택이 충분한지는 이번 다섯 질문을 기준으로 검사합니다. 다른 추론 결과를 사용하는 질문이 추가되면 저장할 타입이나 조회 방식을 다시 검토해야 합니다.</p><p>생략한 것은 이번 질문에서 직접 쓰지 않는 파생 사실입니다. 예를 들어 작성자의 Person 타입이나 일반적인 RDFS Resource 타입은 전체 추론 결과에 들어가지만, 이번 다섯 질문에는 필요하지 않습니다. 해당 결론이 필요한 새 질문이 생기면 남겨 둔 원천·정의와 같은 규칙으로 다시 계산할 수 있습니다. 현재 조회 코드가 그 계산을 자동으로 수행하는 것은 아니므로, 새 질문에 맞춰 추론이나 저장 방식을 준비해야 합니다.</p><h3>실행 화면에서 비교 기준을 확인한다</h3><p>아래 화면의 ‘선택적 타입 구체화’ 표에서 전체 RDFS 결과와 등록 질의용 타입만 추가한 결과를 비교합니다. 위쪽의 파일 바이트 표는 보관 실험이고, 주제 0의 자료 수는 범위를 좁힌 별도 실험입니다. 이 세 숫자를 하나의 압축률로 합치지 않습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*31sZgEGYuiukoQQlt6OKuA.jpeg" /><figcaption>같은 그래프의 파일 표현과 자료 범위와 저장할 추론 결과를 비교한 실행 결과</figcaption></figure><p>5,000건에서도 원천과 정의 29,993개, 전체 RDFS 결과 62,600개, 선택적 타입 그래프 37,493개를 같은 기준으로 비교했습니다. 이 수치는 저장할 트리플 수이며 DB 저장 바이트나 heap 사용량의 측정값은 아닙니다.</p><h3>별도 실험으로 조회 범위를 좁힌다</h3><p>주제 0 화면을 위한 작은 그래프도 만들어 보겠습니다. 이는 전체 자료를 유지한 위의 경량화와 달리, 사용할 자료의 범위를 좁히는 작업입니다. 1,000건 중 주제 0의 자료 167건을 선택합니다. 원천 전체를 삭제하는 대신 선택한 자료를 별도 그래프에 복사합니다.</p><p>자료의 제목과 종류만 가져오면 작성자나 출처를 찾는 기능이 끊길 수 있습니다. 따라서 선택한 자료의 관계와 그 관계가 가리키는 작성자·주제·원천 기록도 함께 가져옵니다. 분류 정의는 동일하게 남깁니다.</p><pre>selected = set(g.subjects(EX.coversTopic, EX.topic_0))<br>support = set(selected)<br>for r in selected:<br>    support.update(<br>        o for _, _, o in g.triples((r, None, None))<br>        if not isinstance(o, Literal)<br>    )<br>for subject in support:<br>    for triple in g.triples((subject, None, None)):<br>        partial.add(triple)</pre><p>코드의 Literal은 제목이나 행 번호처럼 값 자체를 표현하는 형식입니다. 이 값은 작성자나 주제 개체처럼 다른 관계를 따라갈 대상으로 추가하지 않습니다. subjects()는 주제 0을 가리키는 자료들을 찾습니다. (r, None, None)은 자료 r이 주어인 모든 관계를 찾는 패턴입니다. support에는 그 자료와 직접 연결된 개체도 모읍니다. partial에는 분류 정의를 먼저 복사해 두었습니다.</p><p>이렇게 명시적 트리플은 6,034개에서 1,031개로 줄었습니다. TBox의 분류 정의를 단순하게 만든 것이 아니라, ABox에 담긴 개별 자료의 범위를 골랐습니다. 작성자와 원천이 직접 연결된 이번 예제에서는 한 단계의 연결로 필요한 정보를 가져왔습니다. 더 긴 경로를 사용하는 데이터라면 선택 규칙도 바뀌어야 합니다.</p><p>이 작은 그래프는 주제 0의 자료에 대한 질문에 사용합니다. 전체 1,000건에 대한 답을 기대할 수는 없습니다. 다음 편에서는 기준 답도 같은 167건으로 한정해서 비교하겠습니다.</p><h3>참고로 파일 보관을 위한 압축도 확인한다</h3><p>보조 실험은 저장할 사실을 고르는 대신 파일의 표현과 보관 방식을 바꿉니다. 1,000건의 같은 그래프를 N-Triples, Turtle, RDF/XML로 저장한 뒤 다시 읽었습니다. N-Triples와 RDF/XML도 RDF를 파일에 적는 형식입니다.</p><p>이 실행의 크기는 각각 790,783바이트, 225,883바이트, 641,569바이트였습니다. 어떤 형식으로 읽어도 원래의 트리플 집합과 같았습니다. 이어서 Turtle 파일을 gzip으로 압축하니 16,488바이트가 됐습니다.</p><pre>turtle = (out / &#39;graph.ttl&#39;).read_bytes()<br>compressed = gzip.compress(turtle, compresslevel=9, mtime=0)<br>restored_bytes = gzip.decompress(compressed)<br>assert restored_bytes == turtle<br>restored = Graph().parse(data=restored_bytes, format=&#39;turtle&#39;)<br>assert set(restored) == set(g)</pre><p>위 코드는 압축을 푼 바이트가 원본과 같은지 확인하고, 다시 읽은 그래프도 같은지 확인합니다. set(g)는 그래프의 트리플을 집합으로 만든 것입니다. 이번 명시적 그래프에는 이름 없는 개체인 빈 노드가 없어서 이렇게 직접 비교할 수 있습니다. 빈 노드가 있다면 로컬 식별자가 달라져도 같은 구조인지 검사하는 그래프 동형성을 고려해야 합니다.</p><p>이 방법으로 줄인 비용은 보관하거나 전달할 파일의 크기입니다. 조회할 때는 압축을 풀고 그래프 전체를 읽으므로, 조회용 메모리가 압축률만큼 줄어드는 실험은 아닙니다. 파일 크기는 직렬화 순서와 입력 구조에 따라 달라질 수 있습니다.</p><p>실행 파일과 원천 사본, 예상 결과와 캡처는 <a href="https://github.com/gengarrain-byte/ontology-lightening-lab">실습 저장소</a>에 있습니다. 다음 편에서는 먼저 전체 자료 범위에서 선택적 타입 저장의 답을 검증하고, 범위 선택과 의도적인 손실을 별도로 확인하겠습니다.</p><p>전체 흐름은 <a href="https://medium.com/p/7af38ac8a50d">온톨로지 데이터 경량화 종합 정리</a>에서 한 번에 읽을 수 있습니다. 이 글은 필요한 개념이나 구현을 더 확인할 때 참고하세요.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=892a4539be5d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[온톨로지 경량화 4편 CSV를 RDF 그래프로 옮겨 보기]]></title>
            <link>https://gengarrain-byte.medium.com/%EC%98%A8%ED%86%A8%EB%A1%9C%EC%A7%80-%EA%B2%BD%EB%9F%89%ED%99%94-4%ED%8E%B8-csv%EB%A5%BC-rdf-%EA%B7%B8%EB%9E%98%ED%94%84%EB%A1%9C-%EC%98%AE%EA%B2%A8-%EB%B3%B4%EA%B8%B0-edc0073b6ff6?source=rss-5fdce2e71dec------2</link>
            <guid isPermaLink="false">https://medium.com/p/edc0073b6ff6</guid>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[온톨로지]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[lightweight]]></category>
            <dc:creator><![CDATA[gengar.rain]]></dc:creator>
            <pubDate>Thu, 15 Oct 2026 02:41:41 GMT</pubDate>
            <atom:updated>2026-10-15T02:41:41.540Z</atom:updated>
            <content:encoded><![CDATA[<p>이번에 만들 것은 작은 학습 자료 목록입니다. 글과 강의 20건을 넣고, ‘전체 학습 자료’를 검색하면 둘 다 나오게 하겠습니다. 자료 한 건을 선택하면 작성자와 주제, 원천 CSV의 행도 따라갈 수 있게 만들겠습니다.</p><p>앞의 글에서 TBox라고 부른 분류 정의는 ontology.ttl에 적습니다. 변환한 graph.ttl에는 그 정의와 개별 자료의 사실이 함께 들어갑니다. 파일을 보기 전에 왜 나누는지 다시 짚겠습니다. ‘모든 글은 텍스트 자료다’는 여러 자료에 적용할 정의이고, ‘자료 0은 글이다’는 자료 한 건의 사실입니다. 이 둘을 함께 적용해야 ‘자료 0은 텍스트 자료다’라는 결론을 얻을 수 있습니다.</p><p>먼저 20건으로 한 자료가 어떻게 옮겨지는지 보겠습니다. 그다음 1,000건을 실행해 결과 화면의 숫자와 비교하겠습니다. 규모를 늘리는 동안 자료의 의미와 질문은 같습니다.</p><h3>CSV의 첫 행을 사람 말로 읽는다</h3><p><a href="https://github.com/gengarrain-byte/ontology-lightening-lab">실습 저장소</a>의 source-20.csv를 열면 첫 자료가 다음처럼 적혀 있습니다.</p><pre>id,kind,title,author,topic<br>resource_00000,Article,&quot;Same title, distinct resources&quot;,person_00,topic_0</pre><p>자료 0은 글입니다. <br>제목은 ‘Same title, distinct resources’이고 작성자는 사람 0, 주제는 주제 0입니다.<br>person_00과 topic_0는 연결을 시험하기 위한 가상 식별자입니다. <br>실제 사람 이름이나 특정 기술을 뜻하지 않습니다.</p><p>입력에는 세 가지 상황을 넣었습니다. 같은 ID와 내용의 행을 반복해 중복 입력을 만들었고, 서로 다른 두 자료의 제목을 같게 만들었습니다. 작성자를 비운 자료도 하나 있습니다.</p><p>따라서 20건 입력에서 확인할 것은 분명합니다. 동일 ID와 내용의 반복은 정리하되, 제목만 같은 두 자료는 각각 남겨야 합니다. 없는 작성자를 임의의 값으로 채워서는 안 됩니다. CSV는 반복을 포함해 22행이고, 고유 자료는 글 10건과 강의 10건입니다.</p><h3>한 행을 관계별로 나누는 이유</h3><p>CSV에는 한 자료의 여러 항목을 한 행에 모았습니다. RDF에서는 각 관계를 주어·술어·목적어의 세 자리로 적습니다. <br>이 단위를 트리플이라고 합니다. <a href="https://www.w3.org/TR/rdf11-concepts/#section-triples">RDF의 트리플 정의</a></p><pre>(자료 0, 작성자가, 사람 0)<br>(자료 0, 주제가,   주제 0)</pre><p>자료 0과 사람 0이 양쪽 노드이고 ‘작성자가’가 연결의 이름입니다. 같은 사람이 쓴 다른 자료도 person_00에 연결하면 ‘사람 0이 작성한 자료’를 관계를 따라 찾을 수 있습니다. 작성자를 단순한 제목 문자열과 구분해서 개체로 다루는 이유입니다.</p><p>주어와 목적어의 순서도 의미가 있습니다. 앞뒤를 바꾸면 ‘사람 0의 작성자가 자료 0이다’라는 다른 문장이 됩니다. 값을 세 개 모았다는 것만으로 같은 사실이 되는 것은 아닙니다.</p><p>RDFLib는 Python으로 RDF 그래프를 읽고 쓰는 도구입니다. 실습의 Python 코드에서는 이 세 값을 튜플로 묶어 RDFLib의 g.add()에 전달합니다. EX는 실습에서 정한 공통 주소이고 g는 그래프입니다.</p><pre>g.add((EX.resource_00000, EX.authoredBy, EX.person_00))</pre><p>안쪽 괄호는 세 값을 묶은 튜플이고 바깥 괄호는 함수 호출입니다. <strong>트리플은 RDF에서 표현하는 사실의 구조이고, 튜플은 여기서 값을 Python 함수에 전달하는 방식</strong>입니다. 온톨로지를 구현할 때 반드시 Python 튜플을 써야 한다는 뜻은 아닙니다. <a href="https://rdflib.readthedocs.io/en/7.1.4/intro_to_creating_rdf.html#adding-triples-to-a-graph">RDFLib의 트리플 추가</a></p><h3>TTL 파일의 기호를 읽는다</h3><p>.ttl은 Turtle이라는 RDF 텍스트 형식의 확장자입니다. W3C가 표준화한 문법이며, 이 실습에서는 RDFLib가 읽고 씁니다. 자료의 개념 이름은 우리가 정하지만 파일에 적는 문법은 표준을 따릅니다. <a href="https://www.w3.org/TR/turtle/">W3C Turtle</a></p><p>앞의 작성자 관계와 주제 관계를 Turtle로 적으면 다음과 같습니다.</p><pre>@prefix ex: &lt;https://example.org/learning/&gt; .<br>ex:resource_00000 ex:authoredBy ex:person_00 ;<br>    ex:coversTopic ex:topic_0 .</pre><p>@prefix는 공통 주소에 ex:라는 줄임말을 붙이는 선언입니다. ex:resource_00000을 풀면 그 주소 뒤에 resource_00000이 붙은 식별자가 됩니다.</p><p>세미콜론(;) 뒤에서는 같은 주어를 이어 씁니다. 마지막 마침표(.)는 문장이 끝났다는 표시입니다. 줄바꿈만으로 문장이 끝나지는 않습니다. 위의 두 관계는 한 문장으로 묶었으므로 마침표 하나에 트리플 두 개가 들어 있습니다.</p><p>종류를 적을 때 사용하는 a는 표준 rdf:type의 줄임말입니다. ‘이 종류에 속한다’고 읽으면 됩니다. 제목 같은 문자열은 따옴표 안에 적고, 작성자나 주제처럼 다른 개체를 가리킬 때는 식별자를 사용합니다.</p><h3>개별 사실과 공통 정의를 따로 확인한다</h3><p>graph-20.ttl에서 자료 0을 찾으면 ex:resource_00000 a ex:Article이라고 적힌 부분을 볼 수 있습니다. ‘자료 0은 글이다’라는 뜻입니다. 제목·작성자·주제·원천 연결도 같은 자료 식별자에 이어 적혀 있습니다. 이것이 개별 자료의 사실입니다.</p><p>ontology.ttl에서는 Article, TextResource, LearningResource의 분류 관계를 볼 수 있습니다. 아래는 그중 분류를 연결하는 부분입니다.</p><pre>@prefix ex: &lt;https://example.org/learning/&gt; .<br>@prefix rdfs: &lt;http://www.w3.org/2000/01/rdf-schema#&gt; .<br>ex:Article rdfs:subClassOf ex:TextResource .<br>ex:TextResource rdfs:subClassOf ex:LearningResource .<br>ex:Course rdfs:subClassOf ex:LearningResource .</pre><p>subClassOf는 앞의 종류가 뒤의 종류에 포함된다는 정의입니다. 자료 0에 직접 적힌 종류가 Article이라도 이 정의를 적용하면 TextResource와 LearningResource에도 속합니다. 일반 정의인 TBox와 개별 사실인 ABox가 실제 파일에서 어떻게 표현됐는지 여기서 확인할 수 있습니다.</p><p>RDFLib로 파일을 읽는 것만으로 상위 타입을 모두 계산하지는 않습니다. 실습 코드는 owlrl이라는 추론 도구로 RDFS 추론을 실행해 결론을 추가한 뒤 조회합니다. RDFS(RDF Schema)는 클래스와 관계의 기본 정의를 적는 표준 어휘입니다. 아래 설명에서는 하위 클래스에 따라 상위 타입이 추가되는 부분을 봅니다. 실제 도구는 관계의 주체·대상 타입 등 다른 RDFS 규칙도 함께 적용하며, LLM을 호출하지 않습니다.</p><pre>DeductiveClosure(<br>    RDFS_Semantics,<br>    axiomatic_triples=False,<br>    datatype_axioms=False,<br>).expand(graph)</pre><p>이후 ‘학습 자료에 속하는 대상을 찾는다’는 질의를 실행하면 글과 강의 20건을 함께 찾습니다. TextResource를 조회하면 글 10건입니다. 분류 정의를 쓰는 목적이 실제 조회 결과로 나타나는 지점입니다.</p><h3>원천 행으로 돌아갈 연결을 남긴다</h3><p>자료를 옮긴 뒤 오류를 발견하면 원래 CSV에서 확인하고 싶어집니다. 이를 위해 자료에서 원천 기록을 가리키는 sourceRecord 관계를 두고, 원천 기록에는 행 번호를 적습니다.</p><pre>자료 0 → 원천 기록 source_resource_00000 → CSV 2행</pre><p>헤더가 1행이므로 첫 자료는 2행입니다. 동일한 ID의 입력이 반복되면 처음 등장한 행을 남깁니다. 변환 코드는 이미 처리한 ID를 건너뛰므로, 이 실습의 중복 정리는 동일 ID·동일 내용인 반복에 대한 것입니다. 동일 ID에 서로 다른 내용이 들어오는 경우에는 별도의 충돌 처리가 필요합니다.</p><p>이번 입력은 파일 하나이며 결과 폴더에 원천 CSV도 함께 보관합니다. 여러 파일이나 버전을 모은다면 행 번호 외에 파일 식별자와 버전까지 기록해야 같은 위치로 돌아갈 수 있습니다.</p><h3>20건으로 실행하고 세 화면을 확인한다</h3><p>저장소의 Code → Download ZIP으로 자료를 내려받아 압축을 풉니다. run_lab.py가 있는 폴더에서 Python 3.12로 실행합니다. macOS와 Linux에서는 다음 명령을 사용합니다.</p><pre>python3 -m venv .venv<br>.venv/bin/python -m pip install -r requirements.txt<br>.venv/bin/python run_lab.py --records 20 --repeats 3<br>.venv/bin/python -m http.server 18769 --bind 127.0.0.1</pre><p>Windows PowerShell에서는 다음과 같습니다.</p><pre>py -3.12 -m venv .venv<br>.\.venv\Scripts\python.exe -m pip install -r requirements.txt<br>.\.venv\Scripts\python.exe run_lab.py --records 20 --repeats 3<br>.\.venv\Scripts\python.exe -m http.server 18769 --bind 127.0.0.1</pre><p>서버가 실행되면 <a href="http://127.0.0.1:18769/run-20/04-conversion.html">04-conversion.html</a>을 엽니다. 입력 22행이 고유 자료 20건으로 정리됐는지, 전체 학습 자료 조회가 20건이고 텍스트 자료 조회가 10건인지 확인합니다. 이어서 같은 run-20 폴더의 05-lightening.html과 06-verification.html을 열어 줄인 대상과 유지된 답을 봅니다. 확인을 마치면 서버 터미널에서 Ctrl+C로 종료합니다.</p><p>requirements.txt는 RDFLib 7.1.4, owlrl 7.1.4, pySHACL 0.30.1을 고정합니다. 프로그램은 합성 CSV를 직접 생성합니다. 제공한 source-20.csv는 입력 사본이며 그 파일을 편집해도 자동으로 실행 입력에 반영되지는 않습니다.</p><h3>1,000건에서도 같은 질문을 확인한다</h3><p>--records 1000으로 실행하면 run-1000 폴더가 만들어집니다. 아래 캡처는 그 실행 결과를 읽어 표시한 요약 화면입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*0bi_oFffTSrjPOXtJPQpEg.jpeg" /><figcaption>합성 CSV 1,000건을 RDF로 변환한 실제 로컬 실행 결과</figcaption></figure><p>입력 1,059행에서 고유 자료 1,000건을 얻었습니다. 정의를 포함한 명시적 그래프는 6,034개 트리플, RDFS 추론을 적용한 그래프는 12,641개입니다. 전체 학습 자료 1,000건과 텍스트 자료 500건을 조회했습니다.</p><p>여기까지는 자료를 의미와 출처가 연결된 그래프로 변환한 결과입니다. CSV 한 행이 여러 관계로 펼쳐지므로 RDF로 바꾼 것 자체가 경량화는 아닙니다. 다음 편에서는 원천 사실과 정의를 남겨 두고, 전체 추론 결과 대신 조회에 필요한 타입만 저장하겠습니다. 자료 범위를 고르는 실험과 파일 압축은 이 경량화와 별도로 읽습니다.</p><p>전체 실행 코드와 작은 예제, 질의 파일, 검사 조건, 캡처는 <a href="https://github.com/gengarrain-byte/ontology-lightening-lab">실습 저장소</a>에 있습니다. 파일별 설명은 README에서 확인할 수 있습니다.</p><p>전체 흐름은 <a href="https://medium.com/p/7af38ac8a50d">온톨로지 데이터 경량화 종합 정리</a>에서 한 번에 읽을 수 있습니다. 이 글은 필요한 개념이나 구현을 더 확인할 때 참고하세요.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=edc0073b6ff6" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[온톨로지 경량화 3편 줄인 뒤에도 같은 답을 얻으려면]]></title>
            <link>https://gengarrain-byte.medium.com/%EC%98%A8%ED%86%A8%EB%A1%9C%EC%A7%80-%EA%B2%BD%EB%9F%89%ED%99%94-3%ED%8E%B8-%EC%A4%84%EC%9D%B8-%EB%92%A4%EC%97%90%EB%8F%84-%EA%B0%99%EC%9D%80-%EB%8B%B5%EC%9D%84-%EC%96%BB%EC%9C%BC%EB%A0%A4%EB%A9%B4-6bb29a46886a?source=rss-5fdce2e71dec------2</link>
            <guid isPermaLink="false">https://medium.com/p/6bb29a46886a</guid>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[lightweight]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[온톨로지]]></category>
            <dc:creator><![CDATA[gengar.rain]]></dc:creator>
            <pubDate>Thu, 15 Oct 2026 02:39:50 GMT</pubDate>
            <atom:updated>2026-10-15T02:39:50.239Z</atom:updated>
            <content:encoded><![CDATA[<p>저장할 추론 결과를 줄였다고 해 보겠습니다. <br>자료 목록도 열리고, 주제로 검색하면 결과도 나옵니다. <br>이 정도면 필요한 결론을 잘 골랐다고 생각하기 쉽습니다.</p><p>하지만 예전에 찾을 수 있던 강의가 검색 결과에서 빠지거나, 자료가 어디서 왔는지 확인할 수 없게 됐다면 문제가 생깁니다. <br>저장한 트리플은 줄었어도 필요한 정보를 조회할 수 없어진 셈입니다.</p><p>그래서 데이터를 줄이기 전에 ‘줄인 뒤에도 무엇을 할 수 있어야 하는가’를 먼저 정해 두어야 합니다. 학습 자료 목록이라면 주제별로 자료 찾기, 글과 강의를 함께 보기, 작성자와 출처 확인하기가 그런 기준이 될 수 있습니다. 필요한 질문을 미리 적어 두면 줄이기 전후의 답을 비교할 수 있습니다.</p><p>이번에 비교할 것은 전체 추론 결과를 담은 그래프와, 원천 사실·정의에 필요한 두 상위 타입만 추가한 그래프입니다. 자료의 범위는 같게 둡니다. 전체 자료를 유지한 비교와, 주제 0만 선택한 비교는 따로 판정합니다.</p><h3>필요한 질문을 실제 기능으로 적는다</h3><p>처음부터 ‘의미가 보존돼야 한다’고만 적으면 무엇을 검사할지 막막합니다. 자료 목록에서 사용자가 할 일을 질문으로 바꿔 보겠습니다.</p><ol><li>주제 0을 다루는 자료는 무엇인가?</li><li>글과 강의를 합친 모든 학습 자료는 무엇인가?</li><li>학습 자료 중 작성자를 적지 않은 자료는 무엇인가?</li><li>각 자료는 원천 CSV의 어느 행에서 왔는가?</li><li>텍스트 자료에 속하는 글은 무엇인가?</li></ol><p>1번은 주제 연결을 사용합니다.<br>2번과 5번은 분류 정의를 적용한 타입을 사용하고, 4번은 원천 연결을 따라갑니다. <br>그래서 한 질문이 그대로라고 다른 질문도 그대로일 것이라고 기대할 수 없습니다.</p><p>온톨로지 설계에서 이런 질문을 competency questions라고 부릅니다. 모델이 어느 질문에 답할 수 있어야 하는지 확인하는 기준입니다. 용어보다 질문의 내용이 먼저입니다. 이 예제에서는 위의 다섯 기능을 경량화 뒤에도 확인하기로 한 것입니다. <a href="https://protege.stanford.edu/publications/ontology_development/ontology101.pdf">Ontology Development 101</a></p><p>처음 실습할 20건의 기준 답은 순서대로 4건, 20건, 1건, 20건의 원천 위치, 10건입니다. 1,000건으로 늘리면 167건, 1,000건, 11건, 1,000건의 원천 위치, 500건입니다. 개수는 결과를 빠르게 확인하는 표지로 사용하겠습니다.</p><h3>같은 개수와 같은 답을 구분한다</h3><p>원래 주제 0의 자료가 A와 B였는데, 변경 후에는 A와 C가 나왔다고 해 보겠습니다. 둘 다 2건이지만 같은 답은 아닙니다.</p><p>따라서 개수 다음에는 자료 식별자를 비교해야 합니다. 원천 위치를 찾는 질문은 자료 식별자와 원천 기록, 행 번호를 함께 비교합니다. 어떤 답이 빠졌는지와 원래 없던 답이 추가됐는지도 확인합니다.</p><p>이번 실습의 다섯 SPARQL 쿼리는 SELECT DISTINCT로 중복을 제거하며, 결과의 순서는 비교 기준에 넣지 않습니다. 그래서 A·B와 B·A는 같은 답으로 보고, A·B와 A·C는 다른 답으로 봅니다. 다만 추천 순위를 유지해야 하거나 중복 횟수 자체가 중요한 기능이라면, 결과를 집합으로 바꾸는 검사가 필요한 차이를 지워 버립니다. 비교 방식도 보존하려는 기능에 맞춰야 합니다.</p><h3>정의를 지운 결과는 다시 계산해야 한다</h3><p>Article이 TextResource의 하위 클래스라는 정의를 지워 보겠습니다. 이 예제에는 글을 TextResource로 분류할 다른 정의가 없습니다. 원천 사실에서 다시 추론하면 텍스트 자료를 찾는 5번 질문의 답이 사라집니다.</p><p>하지만 변경 전에 계산해 둔 TextResource 타입을 그대로 남겨 두면 어떨까요? 지운 정의로 얻었던 결론이 남아 있어서 검색이 여전히 정상처럼 보일 수 있습니다. 정의를 바꾼 뒤에는 그 정의에 의존한 파생 결과도 다시 만들어 비교해야 합니다.</p><p>이것이 TBox를 줄일 때 개별 자료만 보는 것으로 충분하지 않은 이유입니다. 무엇이 입력한 사실이고 무엇이 정의에서 계산한 결론인지 구분해 두어야 변경의 영향을 확인할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*p8N2w849j8WAjY3YDvsqcg.jpeg" /><figcaption>주제 검색은 유지돼도 분류 정의를 끊으면 다른 질문의 답이 사라지는 예</figcaption></figure><p>원천 연결을 지우는 실험도 따로 하겠습니다. 이 경우 주제 검색과 분류 검색은 유지돼도 원천 행을 찾는 질문은 실패해야 합니다. 이렇게 일부러 손실을 넣어 보면 준비한 검사가 해당 기능의 손실을 실제로 찾는지 확인할 수 있습니다.</p><h3>자료 범위를 좁혔다면 기대하는 답도 좁힌다</h3><p>주제 0의 자료만 남기는 것은 전체 자료를 보존하려는 작업과 목적이 다릅니다. 1,000건 중 167건을 선택했으므로 전체 자료 조회에서 833건이 빠지는 것은 예상 결과입니다.</p><p>주제 0 화면을 검증할 때는 기준 답도 선택한 167건에 한정해 비교합니다. 이 범위에서 작성자와 종류, 원천 위치를 그대로 찾는지 확인합니다. 전체 그래프와 같은 답인지와 선택한 범위에서 같은 답인지를 별도로 기록하겠습니다.</p><p>검사하는 기능에도 범위를 표시해야 합니다. 선택한 그래프에서 자료를 찾지 못했다는 이유로 전체 원천에 그 자료가 없다고 판단하면, 범위 축소가 잘못된 결론으로 이어집니다.</p><h3>작성자 누락을 숨기지 않는 것도 기준이다</h3><p>예제에는 작성자를 적지 않은 자료를 일부러 넣었습니다. 작성자가 비어 있다는 것은 지금 받은 데이터에 그 정보가 없다는 뜻입니다. 실제 작성자가 존재하지 않는다는 결론과는 다릅니다.</p><p>그럼 목록 관리자는 누락을 어떻게 찾을까요? ‘자료에는 작성자 값이 하나 이상 있어야 한다’는 데이터 검사 조건을 두면 됩니다. 실습에서는 SHACL이라는 RDF 데이터 검증 언어로 이 조건을 작성합니다. 조건을 담은 파일을 shapes.ttl이라고 부릅니다. <a href="https://www.w3.org/TR/shacl/#introduction">SHACL 소개</a></p><p>이 검사는 TBox의 분류 정의와 역할이 다릅니다. 분류 정의는 자료가 어떤 종류에도 속하는지 알아내고, 검사 조건은 현재 데이터에 필요한 값이 들어 있는지 확인합니다.</p><p>필요한 타입만 저장한 그래프에서도 같은 자료의 작성자 누락을 그대로 발견해야 합니다. 주제 0만 선택한 그래프에서 위반이 11건에서 1건으로 줄었다면, 나머지 자료의 문제가 해결된 것인지 검사 범위에서 빠진 것인지 구분해야 합니다.</p><h3>비용과 기능을 함께 판정한다</h3><p>비교할 것은 ‘어떤 데이터를 대상으로, 어떤 정의와 검사 조건을 사용했을 때, 어떤 답이 나오는가’입니다. 그 조건을 맞춘 뒤 저장 바이트, 저장할 트리플, 준비 시간과 조회 시간을 각각 보겠습니다.</p><p>트리플이 줄어도 조회 시간이 비슷할 수 있고, 조회가 빨라도 그 이유가 반환할 자료가 적어진 데 있을 수 있습니다. 필요한 기능을 유지하면서 줄인 비용이 무엇인지 설명할 수 있어야 합니다.</p><p>4편에서는 CSV 한 행을 읽고 사실과 정의를 그래프로 옮기겠습니다. 5편에서는 필요한 추론 결과만 저장하고, 6편에서는 다섯 질문과 작성자 누락 검사로 전체 자료의 답이 유지됐는지 비교합니다. 주제 선택은 범위를 제한한 별도 비교이며, 파일 압축은 보조 확인입니다. 이 검사는 등록한 질문의 동작을 확인하는 것이며 모든 가능한 질문의 동치를 증명하는 것은 아닙니다.</p><p>전체 흐름은 <a href="https://medium.com/p/7af38ac8a50d">온톨로지 데이터 경량화 종합 정리</a>에서 한 번에 읽을 수 있습니다. 이 글은 필요한 개념이나 구현을 더 확인할 때 참고하세요.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6bb29a46886a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[온톨로지 경량화 2편 무엇을 남기고 무엇을 다시 계산할까]]></title>
            <link>https://gengarrain-byte.medium.com/%EC%98%A8%ED%86%A8%EB%A1%9C%EC%A7%80-%EA%B2%BD%EB%9F%89%ED%99%94-2%ED%8E%B8-%EB%AC%B4%EC%97%87%EC%9D%84-%EB%82%A8%EA%B8%B0%EA%B3%A0-%EB%AC%B4%EC%97%87%EC%9D%84-%EB%8B%A4%EC%8B%9C-%EA%B3%84%EC%82%B0%ED%95%A0%EA%B9%8C-864c47c51afb?source=rss-5fdce2e71dec------2</link>
            <guid isPermaLink="false">https://medium.com/p/864c47c51afb</guid>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[lightweight]]></category>
            <category><![CDATA[온톨로지]]></category>
            <category><![CDATA[ontology]]></category>
            <dc:creator><![CDATA[gengar.rain]]></dc:creator>
            <pubDate>Thu, 15 Oct 2026 02:01:59 GMT</pubDate>
            <atom:updated>2026-10-15T02:01:59.475Z</atom:updated>
            <content:encoded><![CDATA[<p>자료 한 건에 ‘글’이라고 적어 두면 분류 정의를 통해 ‘텍스트 자료’와 ‘학습 자료’라는 결론도 얻습니다. 자료가 많아질수록 이런 결론도 함께 늘어납니다. 조회할 때 다시 계산하지 않으려고 모든 결론을 저장한다면, 원래 입력한 사실보다 훨씬 큰 그래프를 관리하게 될 수 있습니다.</p><p>그렇다고 저장한 사실을 아무거나 지울 수는 없습니다. 작성자나 출처를 지우면 원래 정보를 잃고, 분류 정의를 지우면 어떤 결론을 얻을 수 있는지가 달라집니다. 먼저 <strong>다시 계산할 수 있는 결론과, 계산의 근거가 되는 사실·정의를 구분</strong>해야 합니다.</p><h3>원래 사실과 정의는 남겨 둔다</h3><p>TBox는 ‘글은 텍스트 자료다’처럼 여러 자료에 적용되는 정의이고, ABox는 ‘자료 0은 글이다’처럼 개별 대상에 관한 사실입니다. 두 정보가 함께 있어야 자료 0의 상위 분류를 계산할 수 있습니다.</p><p>반면 제목과 작성자, 출처 위치는 이 예제의 분류 규칙으로 복원할 수 없습니다. 이런 원천 사실을 삭제하는 것은 저장할 추론 결과를 줄이는 것과 다릅니다. 이번 실습에서는 원천 사실과 정의를 모두 유지합니다.</p><h3>모든 결론을 저장하는 대신 필요한 타입을 고른다</h3><p>추론 결과를 미리 계산해 저장하는 것을 materialization, 구체화라고 부릅니다. 미리 저장하면 그 결론을 조회할 때 규칙을 다시 적용하지 않아도 되지만, 저장할 트리플과 변경 시 관리할 결론이 늘어납니다.</p><p>20건 예제의 입력 사실과 정의는 163트리플입니다. 전체 RDFS 추론 결과를 추가하면 397트리플입니다. 우리는 그중 조회에 필요한 LearningResource와 TextResource 타입만 골라, 원래 163트리플에 더했습니다.</p><ul><li>학습 자료라는 타입: 자료 20건에 하나씩 추가합니다.</li><li>텍스트 자료라는 타입: 글 10건에 하나씩 추가합니다.</li><li>최종 저장 그래프: 원래 163개에 30개를 더한 193트리플입니다.</li></ul><p>비교 기준은 <strong>원천 그래프 163개가 아니라, 전체 결론까지 저장한 그래프 397개</strong>입니다. 원천보다 더 적게 저장한 것이 아니라, 필요한 답을 미리 준비하면서 전체 파생 결과를 저장하는 부담을 줄인 것입니다. 1,000건에서는 같은 방식으로 12,641개 대신 7,534개를 저장했습니다.</p><p>저장하지 않은 결론도 같은 원천 사실·정의와 RDFS 규칙으로 다시 계산할 수 있습니다. 다만 현재 실습의 조회 코드는 필요한 결론을 자동으로 재계산하지 않습니다. 저장하지 않은 결론을 사용하는 질문이 생기면, 그때 추론을 수행하거나 저장할 결론을 늘려야 합니다.</p><p>이 구현은 전체 추론을 먼저 수행한 뒤 필요한 타입을 골랐습니다. <strong>저장할 트리플을 줄인 결과이지, 준비 단계의 추론 계산을 줄인 결과는 아닙니다.</strong> 필요한 결론만 처음부터 계산하는 방법이나 조회 시 계산하는 방법은 후속 설계 과제입니다.</p><h3>정의를 줄이면 얻을 수 있는 답도 바뀐다</h3><p>Article → TextResource → LearningResource에서 중간의 TextResource를 빼고 Article → LearningResource로 바로 연결한다고 해 보겠습니다. <br>전체 학습 자료 조회는 유지할 수 있어도, ‘텍스트 자료를 찾아 달라’는 질문에 답하려면 TextResource의 의미를 다른 방식으로 유지해야 합니다.</p><p>이것이 TBox를 단순하게 만들 때 필요한 검토입니다. 이번 선택적 타입 저장은 TBox를 줄이지 않습니다. 모든 정의를 유지하면서 미리 저장할 결론을 고릅니다. 실습에서 분류 정의를 제거하는 것은 경량화 성공 사례가 아니라, 답이 사라지는지 확인하는 손실 실험입니다.</p><h3>한 주제만 고르는 것은 조회 범위를 좁히는 일이다</h3><p>주제 0만 다루는 화면에서는 1,000건 가운데 관련 자료 167건과 필요한 작성자·주제·출처 연결만 가져올 수 있습니다. 이것은 개별 자료의 사실, 즉 ABox의 범위를 선택한 부분 그래프입니다.</p><p>선택한 167건 안에서는 필요한 답을 유지할 수 있지만 전체 1,000건의 정보를 담고 있지는 않습니다. 원천 전체는 그대로 두고 특정 화면을 위한 별도 그래프를 만드는 용도입니다. 전체 자료를 더 작게 표현했다고 설명해서는 안 됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*sig_1NvYo40cCg-EsqrtCg.jpeg" /><figcaption>저장 표현과 자료 범위와 개념 정의를 바꾸는 세 가지 선택</figcaption></figure><h3>참고로 파일 압축은 보관 비용을 줄인다</h3><p>gzip으로 Turtle 파일을 압축하면 같은 내용을 더 작은 파일로 보관하거나 전달할 수 있습니다. 압축을 풀면 원래 그래프가 돌아옵니다. 이 작업은 어떤 원천 사실이나 추론 결과를 저장할지 바꾸지 않으므로, 위의 데이터 경량화와 별도로 다룹니다.</p><p>Turtle의 prefix도 긴 식별자를 짧게 적는 표기법입니다. 관계의 의미나 트리플 수를 줄이지 않습니다. <a href="https://www.w3.org/TR/turtle/#sec-iris">Turtle의 식별자 표현</a></p><p>다음 편에서는 저장할 결론을 줄여도 필요한 답을 얻는지 확인할 질문을 정하겠습니다. 어떤 결론을 생략할지는 먼저 정한 기능을 기준으로 판단해야 합니다.</p><p>전체 흐름은 <a href="https://medium.com/p/7af38ac8a50d">온톨로지 데이터 경량화 종합 정리</a>에서 한 번에 읽을 수 있습니다. 이 글은 필요한 개념이나 구현을 더 확인할 때 참고하세요.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=864c47c51afb" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[온톨로지 경량화 1편 글도 학습 자료라는 걸 컴퓨터는 알까]]></title>
            <link>https://gengarrain-byte.medium.com/%EC%98%A8%ED%86%A8%EB%A1%9C%EC%A7%80-%EA%B2%BD%EB%9F%89%ED%99%94-1%ED%8E%B8-%EA%B8%80%EB%8F%84-%ED%95%99%EC%8A%B5-%EC%9E%90%EB%A3%8C%EB%9D%BC%EB%8A%94-%EA%B1%B8-%EC%BB%B4%ED%93%A8%ED%84%B0%EB%8A%94-%EC%95%8C%EA%B9%8C-497e0088da64?source=rss-5fdce2e71dec------2</link>
            <guid isPermaLink="false">https://medium.com/p/497e0088da64</guid>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[lightweight]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[온톨로지]]></category>
            <dc:creator><![CDATA[gengar.rain]]></dc:creator>
            <pubDate>Thu, 15 Oct 2026 01:59:40 GMT</pubDate>
            <atom:updated>2026-10-15T01:59:40.356Z</atom:updated>
            <content:encoded><![CDATA[<p>스터디에서 읽을 글과 들을 강의를 한곳에 모았다고 해 보겠습니다. <br>처음에는 제목과 링크만 있어도 쓸 만합니다. 목록이 늘어나면 질문이 조금씩 달라집니다. 특정 주제의 자료를 모아 보고 싶고, 같은 작성자의 다른 자료도 찾고 싶습니다. 글과 강의를 합쳐 ‘학습 자료 전체’를 보여 주는 메뉴도 필요해집니다.</p><p>이 중 마지막 질문에서 잠깐 멈춰 보겠습니다. 사람에게는 글도 강의도 학습 자료입니다. 그런데 데이터에 글과 강의라는 종류만 적혀 있다면, 프로그램은 어디에서 그 공통 분류를 알게 될까요?</p><p>온톨로지는 대상의 종류와 관계의 뜻을 컴퓨터도 사용할 수 있도록 명시한 정의입니다. 이 글에서는 자료 한 건을 어떤 문장으로 표현하고, 그 문장들을 어떻게 연결하며, 공통 정의를 적용해 무엇을 알 수 있는지부터 살펴보겠습니다. <br><strong>이번 경량화의 목표는 원천 사실과 정의를 남겨 두고, 필요한 질문에 계속 답하면서 저장할 파생 사실을 줄이는 것</strong>입니다. 그 필요성도 같은 예제에서 이어서 보겠습니다.</p><h3>관계 하나를 세 자리로 적으면 트리플이다</h3><p>자료 0의 작성자가 사람 0이라고 해 보겠습니다. 이 문장에는 세 가지 정보가 있습니다. 무엇에 관한 이야기인지, 어떤 관계인지, 누구와 연결되는지입니다. 이를 따로 적으면 다음과 같습니다.</p><pre>(자료 0, 작성자가, 사람 0)</pre><ul><li>주어(subject): 설명할 대상입니다. 여기서는 자료 0입니다.</li><li>술어(predicate): 어떤 관계나 속성인지 나타냅니다. 여기서는 ‘작성자가’입니다.</li><li>목적어(object): 연결할 대상이나 값입니다. 여기서는 사람 0입니다.</li></ul><p><strong>이 세 자리를 하나로 묶은 것이 트리플(triple)</strong>입니다. 두 대상만 적으면 사람이 작성자인지 검토자인지 알 수 없습니다. 관계 이름까지 적어야 어떤 연결인지 드러납니다. 또 앞뒤를 바꾸면 ‘사람 0의 작성자가 자료 0이다’라는 다른 뜻이 되므로 자리의 순서도 중요합니다.</p><p>한 자료를 소개할 때는 작성자 외에도 종류와 주제를 적습니다. 같은 자료에 관한 설명이어도 각각 별도의 트리플입니다.</p><pre>(자료 0, 종류가,   글)<br>(자료 0, 작성자가, 사람 0)<br>(자료 0, 주제가,   주제 0)</pre><p>따라서 ‘자료 1건’과 ‘트리플 1개’는 같은 수가 아닙니다. 제목과 출처까지 적으면 그 자료를 설명하는 트리플도 더 생깁니다. <br>목적어에는 사람처럼 다른 대상이 올 수도 있고, 제목이나 행 번호처럼 값 자체가 올 수도 있습니다.</p><h3>관계를 이어 그리면 지식 그래프가 된다</h3><p>앞의 작성자와 주제 관계는 자료 0을 함께 가리킵니다. 같은 자료를 같은 식별자로 적어 두면 두 관계를 연결해서 읽을 수 있습니다. 식별자는 서로 다른 자료나 사람을 구별하기 위해 붙인 고유한 이름이나 번호입니다.</p><pre>자료 0 ──작성자가──▶ 사람 0<br>  └────주제가─────▶ 주제 0</pre><p>이 그림에서 자료 0, 사람 0, 주제 0처럼 연결의 양 끝에 있는 대상을 노드(node), 그 사이의 관계를 간선(edge)이라고 부릅니다. <br>이런 연결을 모아 정보를 표현한 것이 <strong>지식 그래프</strong>입니다. 같은 사람에게 다른 자료도 연결하면 ‘이 사람이 작성한 자료’를 관계를 따라 모을 수 있습니다.</p><p>이 시리즈에서는 트리플을 다루는 표준 데이터 모델인 <strong>RDF(Resource Description Framework)</strong>로 그래프를 만듭니다. RDF는 정보를 주어·술어·목적어로 표현할 공통 규칙을 제공합니다. 파일에 적는 문법은 4편에서 다룰 Turtle을 사용합니다. 트리플과 그래프의 구조를 먼저 읽은 뒤 파일의 기호를 보면 이해하기 쉽습니다. <a href="https://www.w3.org/TR/rdf11-primer/#section-triple">W3C의 RDF 입문 설명</a></p><p>관계를 적었다고 ‘글도 학습 자료다’라는 뜻이 저절로 생기는 것은 아닙니다. 그 공통 정의를 따로 적는 부분이 온톨로지입니다. 이제 개별 자료를 적는 것과 모든 자료에 적용할 정의를 만드는 것을 비교해 보겠습니다.</p><h3>목록에 적혀 있는 것과 사람이 알고 있는 것</h3><p>작은 목록으로 돌아가 보겠습니다. 자료 0은 글이고, 자료 1은 강의입니다. <br>프로그램에서 쓸 이름은 글을 Article, 강의를 Course, 학습 자료를 LearningResource라고 정했습니다. <br>이런 종류를 클래스(class)라고 부릅니다. 자료 0이 Article에 속한다는 표시처럼 개별 대상의 종류를 나타낸 정보를 타입(type)이라고 부릅니다.</p><p>목록에 직접 적힌 내용은 두 문장입니다.</p><ul><li>자료 0은 Article에 속한다.</li><li>자료 1은 Course에 속한다.</li></ul><p>LearningResource라는 글자가 두 자료의 종류에 직접 적혀 있지는 않습니다. 등록한 종류만 정확히 일치시켜 조회하는 프로그램이라면 ‘LearningResource인 자료’를 찾을 때 이 두 자료를 가져오지 못합니다.</p><p>물론 코드에서 Article 또는 Course를 찾도록 조건을 쓰면 됩니다. <br>목록 하나를 다루는 동안에는 충분히 간단한 해결책입니다. <br>다만 여러 화면과 프로그램이 같은 분류를 사용하거나, 새로운 자료 종류를 계속 추가한다면 ‘무엇을 학습 자료에 포함할 것인가’라는 판단을 어디에 둘지 고민하게 됩니다. 같은 판단을 각 프로그램에 따로 적으면 서로 다른 목록을 보여 줄 수도 있습니다.</p><p>이 예제에서는 그 판단을 데이터와 함께 읽을 수 있는 정의로 적겠습니다. ‘모든 글은 학습 자료다’, ‘모든 강의는 학습 자료다’라는 정의입니다. 앞에서 소개한 온톨로지의 가장 작은 예가 이런 공통 분류 정의입니다.</p><h3>모든 글에 적용되는 정의가 TBox다</h3><p>글 한 건의 제목을 적는 것과 모든 글을 어떻게 분류할지 정하는 것은 적용 범위가 다릅니다. 앞의 두 종류의 문장을 나눠 부르는 용어가 <strong>TBox와 ABox</strong>입니다.</p><p>TBox는 Terminological Box라는 이름에서 왔습니다. ‘글은 텍스트 자료에 속한다’처럼 종류의 의미와 종류 사이의 관계를 정의하는 부분입니다. ABox는 Assertional Box라고 부르며, ‘자료 0은 글이다’, ‘자료 0의 작성자는 사람 0이다’처럼 특정 대상에 관한 사실을 담는 부분입니다.</p><p>아래 문장들에서 그 차이를 볼 수 있습니다.</p><pre>TBox에 적을 정의<br>  모든 글은 텍스트 자료다.<br>  모든 텍스트 자료는 학습 자료다.<br>  모든 강의는 학습 자료다.<br>ABox에 적을 사실<br>  자료 0은 글이다.<br>  자료 0의 작성자는 사람 0이다.<br>  자료 1은 강의다.</pre><p>Box라는 단어 때문에 특별한 저장 장치나 파일 형식을 떠올릴 필요는 없습니다. 여기서는 문장이 무엇에 관한 것인지를 구분하는 이름입니다. 실제로 정의와 개별 사실을 한 파일에 저장할 수도 있습니다.</p><h3>정의와 사실을 함께 읽으면 새 결론이 나온다</h3><p>자료 0은 글입니다. 모든 글은 텍스트 자료라고 정의했습니다. 따라서 자료 0은 텍스트 자료이기도 합니다. 텍스트 자료는 학습 자료라는 정의까지 적용하면 자료 0은 학습 자료에도 속합니다.</p><p>이처럼 적혀 있는 정의와 사실로부터 결론을 얻는 것을 <strong>추론</strong>이라고 부릅니다. 이 예제에서는 새 정보를 추측하는 일이 아닙니다. 앞의 문장들이 참이라면 따라 나오는 분류를 계산하는 것입니다.</p><p>이를 프로그램이 처리하려면 정의를 읽고 추론을 수행하는 기능이 있어야 합니다. 클래스 이름에 Article이나 LearningResource라는 영어를 붙였다고 그 관계가 자동으로 생기지는 않습니다. RDF 그래프를 읽는 기능과 정의를 적용하는 기능도 구분해서 확인해야 합니다. <a href="https://www.w3.org/TR/owl2-primer/#Class_Hierarchies">W3C의 클래스 계층 설명</a></p><p>실습에서는 다음 계층을 사용합니다. 화살표는 ‘이 종류에 속하면 다음 종류에도 속한다’는 뜻입니다.</p><pre>Article → TextResource → LearningResource<br>Course ───────────────→ LearningResource</pre><p>Article 자료마다 두 상위 종류를 손으로 붙이지 않아도, 이 정의를 적용해서 글과 강의를 함께 찾을 수 있습니다. 분류의 기준은 정의에 있고, 각 자료의 사실은 입력으로 쓴 원래 목록에 있습니다. 이런 원래 자료를 원천이라고 부릅니다.</p><p>실습에서는 클래스와 관계의 기본 정의를 적는 표준 어휘인 RDFS(RDF Schema)를 사용합니다. <br>그 정의에 따라 상위 종류를 계산하는 과정이 이 글에서 말하는 RDFS 추론입니다. 실제 도구와 실행 과정은 4편에서 확인합니다.</p><h3>정의 한 줄을 지우면 여러 자료의 해석이 달라진다</h3><p>자료 0의 작성자를 지우면 자료 0에 관한 정보가 사라집니다. 반면 ‘모든 글은 텍스트 자료다’라는 정의를 지우면, 그 정의에 의존하던 글 전체의 분류 결과가 달라질 수 있습니다.</p><p>둘 다 파일에서 한 줄을 지우는 작업이지만 영향은 다릅니다. <br><strong>개별 자료를 줄이는지, 여러 자료를 해석하는 정의를 줄이는지</strong> 구별해야 하는 이유입니다. 경량화 자료에서 TBox 축소와 ABox 축소를 따로 이야기하는 것도 이 차이 때문입니다.</p><p>여기에서 경량화의 동기가 생깁니다. 자료가 늘면 원천 사실을 저장하는 비용이 커집니다. 정의를 적용해 얻은 결론을 전부 저장하면 저장량이 다시 늘고, 매번 계산하면 조회할 때 계산 비용을 부담합니다. 어떤 기능을 계속 제공하면서 어느 비용을 줄일지 선택해야 합니다.</p><p>입력한 사실과 정의를 그대로 담은 그래프를 명시적 그래프라고 부르겠습니다. 추론해서 얻은 결론은 여기에 추가할 수 있습니다. <br>우리 실습에서는 자료 1,000건을 옮긴 명시적 그래프가 정의를 포함해 6,034개 트리플이었고, RDFS 추론을 적용한 그래프는 12,641개였습니다. 앞에서 한 자료를 여러 트리플로 설명했듯, 자료 수와 입력한 사실 수, 계산한 결론까지 포함한 수를 구분해서 읽어야 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*Yp7qAGApnge2l3hKv9yqXw.jpeg" /><figcaption>자료 수와 입력한 사실 수와 추론 후 사실 수를 구분한 예</figcaption></figure><p>전체 추론 결과를 모두 저장해야 할까요? <br>원천 사실과 정의를 남겨 두면 결론을 다시 계산할 수 있습니다. <br>자주 조회하는 분류만 미리 저장하고 나머지는 저장하지 않는 선택도 가능합니다. <br>이 시리즈의 핵심은 <strong>자료를 버리지 않고, 재계산할 수 있는 파생 사실 중 무엇을 저장할지 고르는 것</strong>입니다.</p><p>다음 편에서는 이 선택이 저장량과 조회 방식에 어떤 차이를 만드는지 살펴보겠습니다. 한 주제의 자료만 고르는 것은 범위를 좁히는 별도 작업으로, gzip은 파일 보관을 위한 보조 작업으로 구분합니다. 여기의 숫자는 작은 합성 예제이며 대용량 시스템의 성능을 입증한 수치는 아닙니다.</p><p>전체 흐름은 <a href="https://medium.com/p/7af38ac8a50d">온톨로지 데이터 경량화 종합 정리</a>에서 한 번에 읽을 수 있습니다. 이 글은 필요한 개념이나 구현을 더 확인할 때 참고하세요.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=497e0088da64" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>